共查询到20条相似文献，搜索用时 15 毫秒
1.
微地震事件初至拾取是井下微地震监测数据处理的关键步骤之一.初至误差的存在会使微地震震源定位结果产生较大偏差,进而影响后续的压裂裂缝解释.通常初至拾取过程对所有的微地震事件选择相同的特征函数并采用一致的拾取参数进行统一处理,然而当事件的能量、震源机制、传播路径以及背景噪声等存在明显差异时,所得初至拾取结果差别显著.为了提高微地震事件初至拾取标准一致性,本文提出基于波形相似特征的初至拾取及全局校正方法.该方法首先利用互相关函数对每个事件内的各道记录进行时差校正,得到初始初至信息并形成叠加道,再对所有事件的叠加道进行全局互相关得到事件间初至相对校正量,最终初至结果可以通过各个事件的初始初至信息与其相对校正量相加得到.方法将所有微地震事件初至结果作为一个整体处理,从而能够克服常规方法初至拾取标准一致性差的缺陷.实际资料处理结果表明,相比于常规方法,该方法可以有效提高事件初至拾取和定位结果的一致性. 相似文献
2.
STA/LTA—AIC算法对地震P波震相拾取稳定性影响 总被引：1，自引：1，他引：0
选取区域地震台网记录的地震波形数据,使用STA/LTA算法与STA/LTA—AIC算法,进行地震P波震相初至到时自动拾取,对地方震及震中距较大的震相进行P波震相拾取效果分析,发现:STA/LTA算法对于地方震P波震相识别精度较高,与STA/LTA—AIC算法拾取的P波震相初至到时相差不大;震中距变大后,STA/LTA算法对P波拾取位置相对于最佳位置向后延迟,STA/LTA—AIC算法有效矫正了STA/LTA算法拾取位置的延迟问题,与人工拾取位置差别可忽略不计。 相似文献
3.
利用密集台阵对水力压裂微地震进行监测将有助于优化储层压裂、揭示断层活化.为满足密集台阵海量采集数据的处理需求，本文建立了一种综合运用多种机器学习方法和台阵相关性的、无需人工干预的自动处理流程，从而能够快速得到高质量的密集台阵震相到时目录.该综合策略包括：(1)利用迁移学习在连续波形中快速检测地震事件；(2)利用U型神经网络PhaseNet自动拾取P波、S波震相；(3)利用三重线性剔除法，结合密集台阵到时相关性剔除异常到时数据和地震事件；(4)利用K-means和SVM两类机器学习算法，进一步区分发震时刻接近的多个地震事件，减小事件漏拾率.通过将该流程应用于四川盆地长宁—昭通页岩气开发区微地震监测数据，并将自动处理结果与人工拾取结果进行比对发现，二者在震级测定、定位以及走时成像结果等方面具有很好的一致性，表明本文处理流程结果精度可达到手动处理精度.本文结果为密集台阵地震监测数据的高效、高精度处理提供了新思路. 相似文献
4.
基于特征值分解方法,本文讨论了一种适用于地方震事件S波震相到时拾取的自动处理算法。该算法计算参数少、简便快捷、易于实现,通过选用七个不同长度的时间窗,有效地减小了窗长选择不合理所引起的震相拾取误差。利用福建地震台网记录的9 855条三分向波形记录进行测试,结果表明:本文方法的S波平均拾取偏差为（0.003±1.34） s,其中79.6%的记录拾取偏差小于0.5 s,4.1%的记录拾取偏差超过2.0 s,说明本文方法能够满足日常工作基本需求。综上分析认为,波形记录质量是影响拾取算法结果精度的最主要因素,信噪比较高的记录,其S波到时拾取偏差显著优于信噪比较低的记录,对信噪比较低的部分记录进行带通滤波预处理后,S波震相拾取精度也有所提升。 相似文献
5.
地层速度模型精度对水力压裂微地震事件的定位结果起着关键的作用,常规的速度建模方法是根据声波测井资料建立初始层状速度模型,根据拾取的射孔信号初至通过反演进行速度模型优化,结果受射孔信号信噪比及初至拾取误差的影响较大,不适用于地面微地震监测.为了提高地面微地震速度模型的精度,提出了将多道射孔信号的叠加能量作为目标函数,基于粒子群优化算法的地面微地震速度模型优化方法,并通过模型数据和实际数据的处理进行了验证,结果表明该方法避免了无法拾取初至或初至拾取不准对速度模型优化结果的影响,有效实现了速度模型的优化,明显提高了地面微地震监测的定位精度. 相似文献
6.
《地球物理学进展》2020,(4)
地面监测的微地震数据主要包含两个部分:人工形成的射孔数据和压力诱发的微地震数据.从微地震监测理论出发,微地震事件准确识别直接影响微地震信号初至拾取的精度.针对常规微地震信号初至拾取方法存在漏检及误检的弊端,提出了多道包络能量叠加技术的微地震事件自动识别方法.针对存在射孔数据的情况,详细论述了多道包络能量叠加技术的微地震事件自动识别方法的过程,采用模拟数据证明了基于射孔信号的微地震事件自动识别方法的可靠性.其次,采用一系列微地震正演模拟数据进行大量实验,验证基于多道包络能量叠加技术的微地震事件自动识别方法的可靠性.最后,通过实际微震压裂数据验证了新方法的可行性与正确性. 相似文献
7.
8.
9.
选取乌兰浩特地震台记录到的典型天然地震事件及爆破事件,根据断裂带分布及波形记录特征,分析地震及爆破事件的震相特征.结果表明,研究区域近震波形Pn、Pg、Sn、Sg震相及Sm面波较清晰,Pg、Sg波走时差一般不大于23 s,与中国地震台网中心发布的MS震级间的偏差一般小于0.6级;远震P、S、pP、sP震相可较清晰识别,Pm、L面波记录较明显,P、S波走时差一般不小于25 s,震级偏差一般小于0.4级,且通过震相特征及实地考察发现,爆破多为霍林郭勒区域爆破事件. 相似文献
10.
收集2009年以来上海地区近震事件,并重新进行震相拾取。通过走时曲线、时频分析等识别震相的辅助手段,确认震相的可靠性。研究结果表明,上海地区地震的Pb波作为初至震相时,震中距约100 km;初至震相是Pb波时,地震波形类似于正弦波且周期较大。 相似文献
11.
选取乌兰浩特地震台记录到的典型天然地震事件及爆破事件，根据断裂带分布及波形记录特征，分析地震及爆破事件的震相特征。结果表明，研究区域近震波形Pn、Pg、Sn、Sg震相及Sm面波较清晰，Pg、Sg波走时差一般不大于23 s，与中国地震台网中心发布的MS震级间的偏差一般小于0.6级；远震P、S、pP、sP震相可较清晰识别，Pm、L面波记录较明显，P、S波走时差一般不小于25 s，震级偏差一般小于0.4级，且通过震相特征及实地考察发现，爆破多为霍林郭勒区域爆破事件。 相似文献
12.
为了快速、高效地从地震数据中识别地震事件和拾取震相，本文利用基于样本增强的卷积神经网络自动震相拾取方法，将西藏林芝地区L0230台站3个月数据作为训练集，该区内另外6个台站连续1个月的波形数据作为测试集，采用高斯噪声、随机噪声拼接、随机挑选噪声、随机截取地震事件等4种样本增强的方法扩增训练集，以提高自动震相拾取技术的准确率。结果显示:样本增强前模型在测试集上的地震事件识别准确率为80%，样本增强后提升至97%，表明样本增强有效地提高了模型的泛化性能和抗干扰能力；在0.5 s误差范围内，震相自动拾取准确率高于81%，在1.0 s误差范围内，准确率高于95%；利用基于样本增强的卷积神经网络震相拾取方法能够检测出人工拾取震相中误标和漏检的震相。 相似文献
13.
通过对比分析昭通巡龙测震台记录的重型地面平整机施工事件和微震记录的波形特征差异，认为：强夯土事件释放能量当量相当于ML0.6～1.4级地震，P波初动向下、能量衰减快、波形持续时间短，P/S振幅小于天然地震，两者记录的频谱特征差异较大；微震震相明显，强夯土事件震相不明显。通过分析强夯土事件与微震波形特征差异，可以为非天然地震和天然地震分类识别提供依据。 相似文献
14.
地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经网络方法来解决震相拾取问题,构建了多任务卷积神经网络模型,设计了分类和回归的联合损失函数,定义了基于加权的分类损失函数,以三分量地震台站的波形数据作为输入,同时实现对震相的检测识别和到时的精确估计.利用美国南加州地震台网的200万条震相和噪声数据对模型进行训练、验证和测试,对于测试集中直达波P、S震相识别的查全率达到98%以上,到时估计的标准偏差分别为0.067s,0.082s.利用迁移学习和数据增强,将模型用于对我国东北地区台网的6个台站13000条数据的训练、验证和测试中,对该数据集P、S震相查全率分别达到91.21%、85.65%.基于迁移训练后的模型,设计了用于连续数据的震相拾取方法,利用连续的地震数据对该算法进行了实际应用测试,并与国家数据中心和中国地震局的观测报告进行比对,该方法的震相检测识别率平均可达84.5%,验证了该方法在实际应用中的有效性.本文所提出的方法展示了深度神经网络在地震震相拾取中的优异性能,为地震震相和事件的检测识别提供了新的思路. 相似文献
15.
微地震事件初至拾取是微地震数据处理的关键步骤之一.实际微地震监测资料中存在大量低信噪比事件,而传统方法对这些事件的应用效果并不理想.为了克服传统方法抗噪性弱的缺点,本文通过综合地震信号与环境噪声在振幅、偏振以及统计特征等方面的存在的差异,设计了一种针对低信噪比微地震事件的初至拾取方法——SLPEA算法.为了检验本文方法的可行性和有效性,分别对模型数据和实际资料进行了处理,并将处理结果与传统方法及手工拾取的结果进行了对比.分析表明,利用本文方法得到的初至到时与手工拾取结果的绝对误差平均值仅为1.33×10~(-3)s,小于3个采样点;方差为3.21×10~(-6)s~2;初至到时在手工拾取结果±0.005s误差范围内的个数占总数的95.8%.这些参数值均优于传统方法的同类参数,证明了本文方法的可靠性. 相似文献
16.
利用高阶统计量（偏斜度和峰度）与赤池信息量准则（简称AIC）相结合,进行区域地震事件实时检测和P波初至精细识别的新方法研究,通过处理山东地震台网记录的地震波资料,结果表明：应用高阶统计量（偏斜度和峰度,尤其是峰度）能够有效识别地震事件,降低地震事件的错误报警率和漏报率;与人工识别震相到时结果相比,根据Ske-AIC、Kur-AIC震相自动识别方法得到的震相到时的平均绝对值误差小. 相似文献
17.
微地震监测技术是监测水力压裂过程、评价压裂效果的重要手段。对于地面监测,P波极性能够直接、快速地反演震源机制,同时极性校正能够提高绕射叠加定位方法的成像精度。因此,准确而迅速地确定P波极性对地面微地震实时监测具有重要意义。卷积神经网络是一种深度学习算法,具有强大的特征学习与分类能力,可用来确定微地震事件的P波极性。地面监测多采用星型、网格型等规则观测系统,本文使用目标道及其相邻检波器记录作为输入样本,构建基于卷积神经网络的多道P波极性分类网络模型。实际数据应用结果表明,相比于单道记录的网络模型,多道的网络模型能够将目标道与相邻道相结合来预测目标道的极性,提高规则观测系统下地面微地震P波极性分类的准确率。 相似文献
18.
应用单台垂向记录进行区域地震事件实时检测和直达犘波初动自动识别 总被引：12，自引：4，他引：8
提出一种基于直达P波信号和其它背景噪声在能量、非高斯性、非线性和偏振特性的不同而进行区域地震事件实时检测的新方法信噪综合差异特征量方法（简写为EFGLP方法）,同时对比分析了应用信号的不同统计特性来精细识别震相初至的３种有效方法,其中的TOC AIC方法是新提出的．应用山东数字地震波资料处理的结果表明:①与常规的STA/LTA地震事件触发算法相比,EFGLP方法能够有效降低地震事件的错误报警率和漏报率;②与人机交互震相识别结果相比,当信噪比比较低、震相初至比较模糊时,3种震相精细识别方法中的TOC-AIC方法识别精度最高;当信噪比比较高、震相初至比较清晰时,基于VAR-AIC 和TOC-AIC方法所测量得到的震相初至识别基本一致． 相似文献
19.
利用重庆数字地震台网2010年1月至2017年12月的地震波形资料和观测报告,选出5个研究区1 251个M_L≥1.5地震进行波形互相关计算,识别出358对同时被2个地震台站记录且各台波形互相关系数(cc)不小于0.8的重复地震对,涉及342个地震事件,约占地震总数的27%。将筛选出的重复地震对用于定量判断地震目录中震相拾取误差及评估台网定位精度,结果显示:重庆数字地震台网的垂直定位误差约为3 km,水平定位误差约为5 km,Pg、Sg震相拾取误差分别为0.5 s和0.7 s;其中武隆区地震定位和震相拾取精度最高,綦江区最低。 相似文献
20.
准确拾取P、S波震相到时是深入开展地震波研究工作的基础，本文改进了自动拾取参数优化函数算法和质量评估方案，引入了拾取到时优化方案，使用基于参数优化的频带-带宽拾取算法、AICD拾取算法和峰度拾取算法对腾冲地区7个宽频带地震台站记录的地震资料开展了地震P、S波到时自动拾取，对拾取结果进行了优化和质量判定.结果表明：经参数优化、拾取优化后，采用3种方法自动拾取的P、S波到时与人工拾取到时的时差在0.1 s内的记录占比分别达到74.66%、70.98%.这些参数值均优于算法改进前的同类参数，证明了优化方法的可靠性. 相似文献